移动电子商务个性化服务推荐方法研究

摘要	第1-5页
Abstract	第5-10页
1 绪论	第10-16页
·研究背景	第10-12页
·研究目的与意义	第12页
·研究目的	第12页
·研究意义	第12页
·研究内容	第12-13页
·研究思路及技术路线	第13-15页
·研究思路	第13-14页
·技术路线	第14-15页
·论文结构	第15-16页
2 移动电子商务个性化推荐研究现状及概述	第16-36页
·移动电子商务个性化推荐流程及分析	第16-22页
·移动电子商务业务流程及特征	第16-19页
·移动电子商务个性化推荐流程分析	第19-22页
·用户细分研究进展	第22-27页
·用户细分方法相关研究	第23-24页
·用户价值评价体系相关研究	第24-27页
·用户偏好挖掘研究进展	第27-32页
·关联规则挖掘相关概念	第27-28页
·频繁项集挖掘相关研究	第28-31页
·关联规则兴趣度度量相关研究	第31-32页
·协同过滤推荐研究进展	第32-35页
·协同过滤推荐相关概念	第32-33页
·协同过滤推荐相关研究	第33-35页
·本章小结	第35-36页
3 移动电子商务用户细分研究	第36-53页
·问题描述及研究思路	第36-40页
·传统聚类算法分析	第36-39页
·问题分析及研究思路	第39-40页
·面向用户细分的混合聚类算法	第40-44页
·算法初始化过程优化	第40-41页
·算法求解过程改进	第41-43页
·算法复杂度及算法流程	第43-44页
·移动环境下的用户价值评价体系	第44-47页
·用户价值评价指标的选择	第44-46页
·用户价值评价指标的确定	第46-47页
·结合KSP和SPC的用户细分流程	第47-48页
·实际案例分析与算法对比	第48-52页
·案例分析	第48-50页
·算法对比	第50-52页
·结果分析	第52页
·本章小结	第52-53页
4 移动电子商务环境下用户偏好快速挖掘研宄	第53-77页
·问题描述及研究思路	第53-55页
·基于事务矩阵的快速频繁项集挖掘	第55-63页
·建立事务矩阵	第56-57页
·快速频繁项挖掘	第57-63页
·考虑情境的关联规则兴趣度度量	第63-68页
·兴趣度度量	第63-65页
·情境描述	第65-66页
·考虑情境的兴趣度	第66-68页
·MIAR算法流程	第68-69页
·数据实验及算法对比	第69-76页
·实验设计	第69-70页
·结果分析	第70-76页
·本章小结	第76-77页
5 基于情境和社会网络的协同过滤推荐研究	第77-96页
·问题描述及研宄思路	第77-80页
·传统协同过滤描述	第77-78页
·问题分析及研究思路	第78-80页
·考虑个性化情境的用户聚类	第80-81页
·个性化情境描述	第80页
·基于个性化情境的用户聚类	第80-81页
·基于社会网络的用户评级模型	第81-89页
·社会网络分析	第81-84页
·用户关系矩阵	第84-87页
·用户评级模型	第87-89页
·用户相似度度量优化	第89页
·改进协同过滤推荐模型流程	第89-90页
·数据实验及算法对比	第90-95页
·实验设计	第90-91页
·结果分析	第91-95页
·本章小结	第95-96页
6 个性化推荐方法应用研究	第96-107页
·系统设计	第96-100页
·系统框架设计	第96-97页
·系统功能设计	第97-98页
·数据库设计	第98-100页
·应用研究	第100-106页
·本章小结	第106-107页
7 总结与展望	第107-110页
·研究总结	第107页
·研究创新点	第107-109页
·研究展望	第109-110页
参考文献	第110-120页
攻读博士学位期间发表学术论文情况	第120-121页
攻读博士学位期间参与项目情况	第121-122页
致谢	第122-123页
作者简介	第123-124页